CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. PHÂN TÍCH DỮ LIỆU
3.3.1. Phương pháp kiểm định độ tin cậy thang đo
Việc đánh giá sơ bộ độ tin cậy của thang đo được thực hiện thơng qua phân tích Cronbach’s Alpha. Độ tin cậy của thang đo thể hiện tính chính xác, nhất quán của kết quả đo lường, phản ánh qua khả năng lặp lại của kết quả. Độ tin cậy của thang đo càng cao thì mức độ sai biệt trong các lần đo càng ít. Nhờ đĩ, kết quả đo
lường thống nhất trong suốt quá trình đo. Để đo lường độ tin cậy của thang đo, đề tài sử dụng hệ số Cronbach Alpha, được tính bằng phần mềm SPSS.
Hệ số Cronbach Alpha (α) cĩ giá trị biến thiên trong khoảng [0, 1]. Về lý thuyết, hệ số Cronbach Alpha càng cao càng tốt, chứng tỏ thang đo càng cĩ độ tin cậy cao. Tuy nhiên, Cronbach Alpha quá lớn (α > .95) lại biểu hiện cho việc nhiều biến trong thang đo khơng quá khác biệt nhau, hay nĩi cách khác, nhiều biến quan sát cùng đo lường một nội dung; cần phải loại bỏ các biến trùng lắp này ra khỏi thang đo, chỉ giữ lại một biến đại diện (Nguyễn Đình Thọ, 2014). Theo Nunnally và Bernstein (1994) (trích dẫn từ Nguyễn Đình Thọ, 2014), nếu Cronbach Alpha ≥ .60, thang đo cĩ thể chấp nhận. Tuy nhiên, Cronbach Alpha khơng cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Vì vậy, bên cạnh hệ số Cronbach Alpha người ta sử dụng hệ số tương quan biến - tổng (item – total correlation). Đây là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo. Các biến cĩ hệ số tương quan biến – tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo (Nguyễn Đình Thọ, 2014).
3.3.2. Phương pháp kiểm định giá trị hội tụ và giá trị phân biệt của thang đo (phân tích EFA) (phân tích EFA)
Độ giá trị của thang đo là khả năng thang đo đo lường đúng điều người đo lường mong muốn, thể hiện qua giá trị hội tụ và giá trị phân biệt của thang đo. Cụ thể: nếu hai khái niệm, định nghĩa khác nhau, được đo bằng hai thang đo khác nhau thì thang đo đạt giá trị phân biệt; nếu kết quả đo lường của nhiều biến quan sát, cùng đo một khái niệm, hội tụ thì thang đo đạt giá trị hội tụ.
Độ giá trị của thang đo được đo lường bằng kỹ thuật phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thơng qua phần mềm SPSS. Mục tiêu khi sử dụng phân tích EFA là nhằm rút gọn tập biến quan sát đo lường các khái niệm bằng cách loại bỏ các biến quan sát khơng phù hợp về nội dung (khơng đảm bảo tính phân biệt và hội tụ); từ đĩ, tập biến quan sát đo lường của từng khái niệm được rút ngắn mà vẫn chứa đựng đầy đủ nội dung thơng tin cần đo lường của tập biến quan
sát ban đầu. Khi phân tích nhân tố khám phá (EFA), nghiên cứu quan tâm các tiêu chuẩn sau:
- Hệ số KMO (Kaise – Meyer – Olkin) ≥ 0.5 với mức ý nghĩa của kiểm định Bartlett ≤ 0.05. Bartlett’s test kiểm tra H0: các biến khơng cĩ tương quan với nhau trong tổng thể (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Số lượng nhân tố trích: tiêu chí Eigenvalue được dùng để xác định số lượng nhân tố trích. Theo Gerbing và Anderson (1988), các nhân tố cĩ Eigenvalue < 1 sẽ khơng cĩ tác dụng tĩm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Với tiêu chí này, chỉ giữ lại những nhân tố quan trọng cĩ Eigenvalue ≥ 1.
- Tổng phương sai trích: thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Theo Nguyễn Đình Thọ (2014), tổng này đạt từ 50% trở lên là được, cịn từ 60% trở lên là tốt. Nếu thỏa điều kiện này, ta kết luận mơ hình EFA là phù hợp.
- Hệ số tải nhân tố (Factor loading): đây là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Theo Nguyễn Đình Thọ (2014), hệ số tải > 0.3 được xem là đạt mức tối thiểu, > 0.4 được xem là quan trọng, > 0.5 được xem là cĩ ý nghĩa thực tiễn. Chênh lệch trọng số ≥ 0.3 là điều kiện đảm bảo giá trị phân biệt giữa các khái niệm. Nghiên cứu này sử dụng phân tích EFA để loại dần các biến cĩ hệ số tải nhân tố nhỏ hơn 0.5.
Trong nghiên cứu, phương pháp trích Principal Component Analysis với phép quay Varimax được sử dụng để khám phá cấu trúc dữ liệu.
3.3.3. Hệ số tương quan và phân tích hồi quy tuyến tính
Trước khi phân tích kiểm định giả thuyết, hệ số tương quan giữa các biến trung bình của các nhân tố nghiên cứu được xem xét. Tiếp đến, phân tích hồi quy tuyến tính dựa trên phương pháp bình phương nhỏ nhất thơng thường (Ordinal Least Squares – OLS) được sử dụng để kiểm định giả thuyết nghiên cứu. Trong phân tích hồi quy tuyến tính này, phương pháp khẳng định hay cịn gọi là phương pháp đồng
thời để kiểm định giả thuyết suy diễn từ lý thuyết. Phương pháp này tương ứng với phương pháp ENTER trong SPSS. Đối với giả thuyết về mối quan hệ giữa các nhân tố độc lập và nhân tố phụ thuộc thì sử dụng phương pháp phân tích hồi quy bội MLR (Multiple Linear Regression). Dựa vào hệ số R2 để đánh giá mức độ phù hợp của mơ hình nghiên cứu. Sau khi được xây dựng phương trình hồi quy sẽ tiếp tục được phân tích thơng qua kiểm định F dùng để khẳng định khả năng mở rộng mơ hình này áp dụng cho tổng thể cũng như kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0. Đánh giá mức độ tác động giữa các biến động lập đến biến phụ thuộc thơng qua hệ số Beta.
Cuối cùng, nhằm đánh giá độ tin cậy của phương trình hồi quy được xây dựng là phù hợp, một loạt các dị tìm vi phạm của giả định cần thiết trong hồi quy tuyến tính được thực hiện. Các giả định được kiểm định bao gồm giả định về liên hệ tuyến tính giữa các biến độc lập, hiện tượng đa cộng tuyến, phân phối chuẩn, sai số hồi quy cĩ phương sai khơng đổi và tính độc lập của phần dư.